标签
研究者提出了一种集合级强化学习目标，用于训练语言模型生成多样的、高质量的、基于文档的科学创意，其中8B模型在创意实用性方面超越了Claude Opus 4.8和GPT-6 Astra。
本文首次系统研究了文档接地播客生成中的忠实度问题，提出了一个轮次级别的LLM作为评委的评估框架，以及一个与模型无关的捕获-修复方法，该方法能跨领域提高忠实度。